在現(xiàn)代農(nóng)業(yè)研究中，植物表型分析作為連接植物基因與環(huán)境因素的關(guān)鍵橋梁，對(duì)于加速作物改良和提升農(nóng)業(yè)生產(chǎn)力具有重要意義。然而，傳統(tǒng)的植物表型分析系統(tǒng)大多在白天運(yùn)行，面臨著光照變化和陰影干擾等諸多挑戰(zhàn)，影響了表型數(shù)據(jù)的準(zhǔn)確性和穩(wěn)定性。近日，中國(guó)科學(xué)院遺傳發(fā)育所、慧諾瑞德公司和華中科技大學(xué)聯(lián)合提出的一項(xiàng)創(chuàng)新性研究突破了這一局限，成功構(gòu)建了一種基于夜間環(huán)境的高通量植物表型分析系統(tǒng)，并以水稻為案例進(jìn)行了深入研究，為植物表型分析領(lǐng)域帶來(lái)了新的曙光。該成果于2025年4月7日在中科院一區(qū)top期刊Computers and Electronics in Agriculture在線發(fā)表。
植物表型是指植物基因型在特定環(huán)境下表現(xiàn)出的形態(tài)和生理特征，這些特征對(duì)于理解植物生長(zhǎng)模式、應(yīng)激反應(yīng)和生產(chǎn)力至關(guān)重要。傳統(tǒng)的表型獲取方法依賴于人工采樣和手工測(cè)量，這種方式不僅耗時(shí)費(fèi)力，而且主觀性強(qiáng)，難以滿足現(xiàn)代大規(guī)模表型研究的需求。因此，高通量植物表型平臺(tái)（HTPP）應(yīng)運(yùn)而生，它能夠?qū)崿F(xiàn)非破壞性、自動(dòng)化、準(zhǔn)確和快速的表型數(shù)據(jù)采集。然而，白天的光照條件變化劇烈，導(dǎo)致基于視覺(jué)的表型系統(tǒng)在數(shù)據(jù)采集時(shí)容易出現(xiàn)誤差。為了解決這一問(wèn)題，研究人員開(kāi)始探索夜間植物表型分析的可能性，因?yàn)橐归g環(huán)境相對(duì)穩(wěn)定，光照條件可控，能夠有效減少光照變化和陰影對(duì)圖像分析的影響。
研究人員對(duì)軌道式高通量植物表型平臺(tái)TraitDiscover進(jìn)行了定制化改造，使其能夠在夜間穩(wěn)定運(yùn)行。具體來(lái)說(shuō)，他們?cè)O(shè)計(jì)了一種陣列式照明系統(tǒng)，確保在低光照條件下也能獲得高質(zhì)量的圖像。這種照明系統(tǒng)采用了高效率的全光譜LED燈珠，均勻分布在相機(jī)周圍，消除了陰影和熱點(diǎn)，確保了圖像的一致性。此外，研究人員還開(kāi)發(fā)了一種三軸自動(dòng)控制系統(tǒng)，能夠根據(jù)植物的大小和形狀進(jìn)行精確調(diào)整，確保對(duì)不同區(qū)域的詳細(xì)分析。
軟件方面，研究人員集成了最先進(jìn)的YOLOv8目標(biāo)檢測(cè)和K-Net語(yǔ)義分割框架，以實(shí)現(xiàn)高性能的夜間圖像分析。此外，研究人員還開(kāi)發(fā)了一個(gè)名為TraitNavigator的Web應(yīng)用程序，用于管理傳感器、規(guī)劃路徑、調(diào)度任務(wù)和分析數(shù)據(jù)。TraitNavigator提供了一個(gè)用戶友好的界面，用于配置多種傳感器，確保每個(gè)設(shè)備都能精確校準(zhǔn)以捕獲準(zhǔn)確的表型數(shù)據(jù)。路徑規(guī)劃算法能夠自動(dòng)化機(jī)械部件（如三軸平臺(tái)）的運(yùn)動(dòng)路徑規(guī)劃，確保全面且高效的掃描過(guò)程。任務(wù)管理功能能夠根據(jù)定義的協(xié)議安排和執(zhí)行實(shí)驗(yàn)，使用戶能夠輕松啟動(dòng)、監(jiān)控和控制過(guò)程。Web服務(wù)的集成增強(qiáng)了數(shù)據(jù)收集過(guò)程的靈活性，確保用戶可以隨時(shí)隨地參與實(shí)驗(yàn)。
數(shù)據(jù)集構(gòu)建與標(biāo)注
為了評(píng)估表型分析方法的性能，研究人員構(gòu)建了一個(gè)高質(zhì)量的夜間水稻圖像分割數(shù)據(jù)集。該數(shù)據(jù)集包含360張精細(xì)標(biāo)注的夜間水稻圖像，涵蓋了不同的生長(zhǎng)階段和環(huán)境條件。研究人員使用LabelMe軟件進(jìn)行了手動(dòng)標(biāo)注，確保了數(shù)據(jù)的準(zhǔn)確性和可靠性。這些標(biāo)注的圖像為模型的訓(xùn)練和驗(yàn)證提供了堅(jiān)實(shí)的基礎(chǔ)。
實(shí)驗(yàn)結(jié)果令人振奮。定制的夜間表型分析系統(tǒng)在圖像分割性能上表現(xiàn)出色，達(dá)到了93.52%的高分割精度（mask IoU），這一指標(biāo)顯著高于白天表型分析所報(bào)告的指標(biāo)。從圖像分析結(jié)果中，研究人員進(jìn)一步提取并驗(yàn)證了28個(gè)與顏色、形態(tài)和紋理相關(guān)的表型參數(shù)。這些參數(shù)與實(shí)際測(cè)量值之間的平均相關(guān)系數(shù)（R²）達(dá)到了0.95，充分證明了系統(tǒng)在夜間表型分析中的可靠性和穩(wěn)定性。這一成果不僅為夜間植物表型分析提供了有力的技術(shù)支持，也為植物表型分析領(lǐng)域帶來(lái)了新的研究思路和方法。
研究人員對(duì)比了多種經(jīng)典作物分割算法在夜間環(huán)境下的表現(xiàn)，發(fā)現(xiàn)這些算法在處理夜間圖像時(shí)存在顯著的局限性。例如，某些算法在處理深色背景或水面上的反射時(shí)表現(xiàn)不佳，無(wú)法準(zhǔn)確區(qū)分水稻植株和背景。而K-Net模型在夜間水稻圖像分割任務(wù)中表現(xiàn)出色，其mIoU（平均交并比）達(dá)到了93.52%，顯著優(yōu)于其他方法。這一結(jié)果表明，K-Net模型能夠有效地處理夜間環(huán)境中的復(fù)雜背景和光照條件，為夜間表型分析提供了可靠的圖像分割解決方案。
研究人員從分割后的圖像中提取了28個(gè)表型參數(shù)，包括顏色、形態(tài)和紋理特征。這些參數(shù)涵蓋了從植株的綠色面積比例到葉片的紋理復(fù)雜度等多個(gè)方面。實(shí)驗(yàn)結(jié)果表明，這些參數(shù)與實(shí)際測(cè)量值之間的平均相關(guān)系數(shù)（R²）達(dá)到了0.95，表明系統(tǒng)能夠準(zhǔn)確地提取表型信息。例如，顏色參數(shù)（如平均紅色、綠色和藍(lán)色值）的R²值均大于0.98，形態(tài)參數(shù)（如冠層寬度和長(zhǎng)度）的R²值也達(dá)到了0.98或更高。這些結(jié)果表明，夜間表型分析系統(tǒng)不僅能夠準(zhǔn)確地分割水稻植株，還能可靠地提取表型參數(shù)，為植物生長(zhǎng)和發(fā)育的研究提供了有力支持。
圖4 代表性的表型性狀：顏色、形態(tài)、紋理特征
圖5 表型參數(shù)的預(yù)測(cè)結(jié)果和真實(shí)值的R²
本研究的成果具有重要的科學(xué)意義和應(yīng)用價(jià)值。首先，它證明了夜間環(huán)境能夠?qū)崿F(xiàn)高精度、高一致性的高通量植物表型分析，為植物表型分析提供了一種新的選擇。其次，研究人員開(kāi)發(fā)的夜間工作模式和數(shù)據(jù)集為未來(lái)夜間植物圖像分析提供了寶貴的技術(shù)資源和數(shù)據(jù)支持。未來(lái)，研究人員計(jì)劃將該系統(tǒng)擴(kuò)展到更多植物種類，并進(jìn)一步探索夜間環(huán)境中其他傳感器的應(yīng)用，以獲取更全面的植物表型信息，為農(nóng)業(yè)生產(chǎn)和植物科學(xué)研究提供更有力的技術(shù)支持。
慧諾瑞德公司實(shí)習(xí)生/華中科技大學(xué)人工智能與自動(dòng)化學(xué)院徐冰慧和慧諾瑞德公司張佳菲為論文共同第一作者；中國(guó)科學(xué)院遺傳與發(fā)育生物學(xué)研究所胡偉娟博士、慧諾瑞德公司/宏表型實(shí)驗(yàn)室公司韓志國(guó)博士和華中科技大學(xué)陸昊博士為論文共同通訊作者；中國(guó)科學(xué)院遺傳與發(fā)育生物學(xué)研究所博士生湯芷歆、慧諾瑞德公司張勇帥和徐伶俐，一起深度參與了本研究。本研究得到了國(guó)家重點(diǎn)研發(fā)計(jì)劃（2023YFF1001502）、國(guó)家自然科學(xué)基金/面上項(xiàng)目（32370435）、長(zhǎng)春市市院科技創(chuàng)新合作專項(xiàng)（23SH18）和慧諾基金等項(xiàng)目的資助。
